英国整体人生满意程度和何种因素相关
摘要：人生满意程度逐渐成为衡量英国社会与经济现状的最重要指标之一。Buetell （2006）指出，人生满意程度也成为幸福指数或快乐指数。这是人们对未来和现在的感受和语气。根据英国卫报（2014）的报道显示，77%的英国成年人对他们的生活非常满意。相比于2011/12的调查，这个数字增长了1.1%。ONS最近总结来看英国人对他们的生活是比较满意的。然而，人生满意程度是一个主观的变量，幸福的程度是受到很多因素共同影响的。如果政府想要增加人民的幸福程度，那么决定人生满意程度的变量就应该被探索和研究。
关键词：英国 整体人生 满意程度 因素
背景：
传统经济学理论指出人们对幸福的感受产生于较高的收入，所以政府政策往往聚焦在增加整体社会财富上。这就是传统GDP发展模式。但越来越多的研究指出传统经济学理论的假设基础是错误的。根据OECE
2013年的最新调查显示衡量幸福指数的因素应该包含个人的财政，教育，技能，就业，健康等诸多情况。因为性别和年龄也是对人的重要性质，所以这两个因素也要被考虑进来。
通过大量研究总结来说影响整体人生满意程度的变量大约有如下几个。1.杰斯塔 （2011）指出英国的平均人生满意程度在不同性别间的差异很小。2. 斯塔特勒 （2002）指出在固定的时期内，富有的人往往比穷人的生活满意程度更高。3.哈蒙德指出拥有高学历的人的生活满意程度往往比低学历者高，由于自我认可度和自我实现度更高。4.阿雷斯指出人生满意程度在年龄增长的过程中应改成U型曲线变化。5.根据约瑟夫（2014）的调查显示拥有存款或投资行为的人的人生满意度往往更高。6.迪顿（2007）指出健康程度和幸福度联系非常紧密，而且是很强的正相关关系。7.根据弗朗西斯（2009）的调查显示兼职工作让人们有更大的灵活性去平衡家庭和事业，所以比起全职工作者有更高的人生满意度。总的来说，影响整体生活满意度的因素非常多。然而，这并不意味着所有因素都对幸福度有着同样强的影响，所以一些因素应当被酌情忽略。为了探索决定英国国民幸福度的指标，这些大量真实调查数据就应该通过计量经济学的方法分析。最终采用经济学理论方法做出解释和预测。
建立指标系统：
1.
因变量
在这篇论文中，因变量是整体生活满意程度(b_sclfsato) 。原数据被分为了7种等级。但是它们应该被转换成为二元变量进行分析。因此满意程度被区分为了满意（1）或不满意（0）。
2.
自变量
第一个应该比考虑的自变量就是年龄(b_dvage). Ree指出，在很多研究中年龄作为自变量时其曲线都呈U型。在这篇论文中，我们直接使用这个结论。所以一个新变量：年龄的平方(b_dvage_1) 就应该被加入进来，以确定年龄变化的趋势。
为寻找财富与满意度的关系，所以月收入(b_fimngers_dv) 也需要被加入进来。为了使数据变化趋势更平滑同时避免多重共线性的问题，所以月收入应该被首先取自然对数。这回使数据更容易分析，因为在经济学中自然对数的洗漱就是固定的收入弹性指标。我们预测高收入将带来高的生活满意度，因为财富可以提升生活水平。
其它5个定量变量应该被转换成为虚变量。资质被区分为有资质（1）和无资质（0）。工作类型被区分为全职工作（1）和兼职工作（0）。健康水平被区分为健康（1）和不健康（0）。性别被区分为男（1）或女（0）。
根据背景分析。健康水平 (b_sf1), 存款与否 (b_save), 最高学历 (b_hiqual_dv), 全职或兼职工作 (b_jbft_dv) 被预测为与幸福指数正相关. 最后, 性别 (b_sex)是不确定的.
数据处理：
这篇论文里的原数据是来自英国数据服务中心的实验调查问卷。元数据被重新整理和挑选自变量和因变量。其中调查问卷中的一些问题的回答是不可用的。为了最小化误差，这些缺失值和无意义数据应该首先被排除。因此，个人收入这一项的负值被全部排除。然而，由于全职或兼职这一项的缺失值很大，所以可用样本总量从54597降到24274。最终，一组新的样本就产生了。然而，由于样本量不够丰富，模型分析可能会出现一些不够精确的问题。
描述统计：
根据描述统计数据，每一组变量都被定义了范围。年龄小于16岁火收入大于每月1万5千英镑的英国居民没有被统计进来，这意味着数据描述了英国拥有投票资格的普通居民并拥有正常范围内的收入和基本的教育水平的人参与了这次调查。对于生活满意度这个主体来说，这套样本的数据比较典型和可靠。
根据对频度分布数据的观察，对生活满意的人占到了75%以上，所以不满足的这一部分样本不太充足。而性别，年龄，收入的分布接近正常分布，这意味着这些变量的样本合理而自然。从偏度水平上看，整体健康状况和工作种类和生活满意度的偏度相似，但资历和存款则相反。但我们预测资历和存款和幸福指数是正相关的。所以后面的模型分析可能会出现与事实不符的情况，这篇论文会给出深入分析。
模型：
OLS：
这里可以选择的模型有三种：OLS,LOGIT,PROBIT. 普通最小二乘法会首先被采用，因为这是计量经济学最基础的方法。OLS方法的核心是最小化误差项，但它必须遵循高斯马尔科夫定理的5个先决条件。因此一些诊断性检测就应该在建模前进行测试。
这些变量里可能会有一些完美共线性的问题，相关性矩阵就应该被使用。在这个例子中，相关性范围在0.002~0.45之间，因此没有完美共线性问题。（变量之间的相关性比较弱）
然后设定误差需要被从罗姆其reset检测。其结果是F检测值高于临界值，这意味着关于正确分类的原假设被拒绝。所以OLS或许有错误区分的问题。这可能是因为量化变量中的变量不够或虚变量太多。
由于模型包括了定性和定量的变量，怀特检测需要被用来检测异方差。结果是F检测是不显著的；所以异方差在这个模型中是存在的。根据伍德里奇（2012）指出异方差会导致OLS的估算值产生偏差或矛盾，解释变量的拟合度也不会被异方差所影响；然而OLS的估算值就不再准确了。所以OLS 并不是最好的方法。
LOGIT
为了建立LOGIT模型，ML方法就需要被使用。因为LOGIT模型是一个分类模型，的确，因此这个模型中要把变量限制在0~1的分布中。显然当Z从负无穷到正无穷的变化过程中，P的范围是0~1.
因此，LOGIT模型假设自变量和其对数的让步比是线性的关系。其结果等于自然对数的让步比。在统计学中，这个公式处理了OLS中的同方差，迫使所有的值在0~1之间。
LOGIT回归方程应该被总结为如下方程，最后一个符号表示自然误差在正态分布内。
通过观察logit模型的系数，P值非常小，这意味着所有变量都对生活满意度有着显著的影响。Hosmer-lemeshow 和整体百分比需要用来被检测logit模型的分类误差。当变量的数据一直的时候，预测结果合理的可能性是78.7%，因此logit模型对对测试情况的拟合度最好。
Probit
最后，probit模型将会基于正态分布构建出来，取代logit累积分布。方程如下：
通过观察probit模型，除了性别外所有变量都对幸福指数有着显著影响。
模型对比：
三个不同的回归模型方程和洗漱都是由不同的方法测算出来的。关于三个模型的敏感性检测都被定义在了10%，5%，和1%的水平上。这篇论文将会首先对比这三个模型然后选择最合适的进行经验分析。三个模型都指示除了年龄和生活满意度的负相关关系。所有的p值都指出变量除了性别外都对满意度有着显著影响。然而T检测依然接受性别在5%下的显著程度。从另一方面来说，相比于其他比变量，性别在三个模型中的系数都很小，这意味着性别对生活满意度只有很小的影响。
对比LOGIT 和PROBIT模型，OLS技术可能不太适合处理二元自变量。因为对比图标显示，OLS是误差最大的模型。原因是OLS将所有变量解释为线性关系，这意味着边际效应是被模拟为固定的。这显然不符合经济学中的边际效应递减的规律。我们有理由相信额外的收入为富人带来的满足感比穷人少。伍德里奇（2012）指出，尽管异方差性不会影响拟合优度，但是太低的R2（0.049）则会使对比变得无意义。如果没有额外的限制条件，因变量的预测值可能超出0~1的范围，这意味着浪费了宝贵的数据资料。异方差性和非正态分布性的残差在OLS中是不可避免的。因此CDF更好。CDF的优势在于将P的范围强行固定在了0~1之间，并定义1为绝对发生，0为绝对不发生。古扎拉蒂（2009）指出，相比于probit模型，logit模型的尾部变化更平滑，接近0和1的速度更缓慢，变化率也更小。因为logit的计算方式更简单也更易于使用，所以logit模型的结果在一定程度上更可靠。最终经验分析选择logit模型。
经验分析：
整体健康程度和幸福指数成正相关关系（1.286在1%显著性水平下）。这说明有很强的证据表明对人们来说更健康就会更幸福。所以我们对健康和幸福度正相关关系预测和事实结果吻合度很高。
学历和幸福度有着0.182的正相关关系。搞资质给了人们更高的社会地位和更多的尊重，还有更多的就业优势。因此人们有更高的学历就会有更大的可能性取得更高的生活满意度。然而，描述请统计显示了生活满意度和学历的偏态分布相反。根据伍德里奇（2012）中相似的计量经济学研究指出，高学历总是和低工作经验联系在一起。但薪水和这两个变量都存在正比例关系。工作经验没有包括在我们这组数据中，这就造成了样本数据和预测的偏差。
年龄和年龄的平方应该在一起考虑。年龄和年龄的平方系数的符号相反，说明曲线是U型的。年龄的洗漱是（-0.008），这意味着随着年龄的增长，幸福度在下降。但是这个系数的值很小，这意味着年龄对幸福度的影响很小。这个曲线的拐点在4岁和25岁，根据描述性统计，样本的范围是16~102岁，所以从年龄的角度，人们在25岁的时候最不幸福。原因可能是因为25岁是人生中收入最低的时期，而且难以找到满意的工作。从另一方面来说，年龄的平方的系数是正数，这说明幸福指数随着年龄的增加降低，但这个趋势是逐渐减弱的。然而，这些系数都太小了，产生的影响也太微弱。
月收入对生活的满意度有明显的正相关。第一个原因是没有人会讨厌财富。更多的收入可以提升人们的物质生活水平。然而月收入的系数却没有健康的系数大。原因是健康水平的提升对幸福度没有任何负的边际效应。然而哈撒德（2014）指出高薪收入可能和沉重的的责任和焦虑，所以这会增加工作实现的压力，特别是健康问题。在经济学领域或许因为，高收入带来的正边际效应大于高工作压力带来的负边际效应。所以月收入对生活满意度的影响系数就比预期小。
人们的性别对生活满意度的影响很小（0.058，在10%的显著水平下）。征得相关系数或许因为男性更容易就业。和女性比起来，男性更强壮也更有社会安全感和认同感。，然而，在发达国家性别歧视现象并不严重。所以非常低的相关系数完美反应了英国的情况。
工作的种类对幸福度的影响是负相关的（-0.152）。这可能是因为比起全职工作，兼职工作在事件的消耗和工作压力上都更小。因此在同样收入水平下兼职工作比全职工作带来的满足感更强。这完美符合了弗朗其（2009）的研究和推测。
在这个模型中存款和生活满意度之间呈现正相关（0.544），这意味着存款能够让人们感觉更满足。但是这里有一个问题，人们对厌恶变老和喜爱财富有着同样的偏好。但是当把存款加入的事情这使分析变得复杂了。根据Mazzocco (2004)年的研究表明对存款的喜好和对风险的厌恶在人们不同年龄中明显不同。因为存款对幸福的影响并不是固定的，存款同时被年龄和收入影响。存款是一种行为经济学或者金融学中的跨时间交易行为。根据跨时间预算约束模型，效用取决于收入和跨时消费偏好。在我们的例子中，未来消费等现在存款和未来收入的总和，效用就等于幸福程度。因此这很难界定存款和生活满意度之间的正比例关系。存款并不是增加生活满意度的必要项。因为在同样收入水平下不同的人存款的偏好完全不同，无差异曲线也各不相同。根据索罗增长模型，更多的收入的人们就更倾向于存款。而且存款的偏好在不同年龄的人中也不同。高消费的年轻人倾向于不存款，但是低消费的老年人则倾向于存款。另一方面来说，如果这里有另一个虚变量。贷款，回归的结果可能会更有说服力。因为人们不喜欢存款的可能更喜欢用贷款去平衡不同时期的预算。因此收入，年龄和存款之间的潜在关系是非常复杂的。这不是用LOGIT模型就可以分析的。由于缺乏变量，也没有足够的样本量，加上LOGIT自身的局限性，所以模型的分析和事实就可能不符。存款之所以对幸福度产生了显著性影响可能是因为LOGIT模型假设变量之间都是独立的，而且无法检测非常复杂的非线性潜在关系。对人们来说，存款总比没存款好。但如果胡领略了其他因素的影响，存款这个因素也会产生很多的误差。
总结和政策建议
这篇论文试图探索决定英国公民整体幸福指数的决定因素。结果总结为：年轻健康的兼职工作的男性，拥有高学历和存款的英国人幸福度最高。这个结果非常接近于OECD（2013）年公布的结果。
回归分析的主要问题和限制因素是较小的样本量和变量总量。根据英国国家统计局2014年公布的最新人口统计，英国人口总量为6千2百万人。然而在我们的研究中，只有24274个可用研究样本。这个样本只占实际总数的0.04%，因此样本不能完全精确地反映出英国公民生活水平的真实情况。样本量不足意味着样本的变化不够大，不足以达到最小标准误差。这篇论文中选择的变量对所有人都具有固定的偏好。而变量诸如：是否存款，是否喜欢英国现代艺术，是否喜欢旅游等应该被加入进来。如果数据中存在可以随着英国经济情况和社会情况变化的变量，计量经济学分析的结果就会具有更多的时间敏感性。而且计量经济学模型可能会受到很多潜在因素的影响。因此只能粗略归纳影响整体幸福度的因素。
为提升英国整体幸福度，政府应该提升社会福利和公平性。政府应该增强基础设施的建设，借以提高居民的整体健康水平。政府应该创造更多学习的途径，人们的受教育水平就会提升。政府应该支持诸如SOHO工作方式，这意味着自由工作的模式会极大发展。政府也应该增加更多的假期，这样全职工作的满意度或许会提升。英国政府也应该出台更多的政策保护女性的权益，以及保障公平就业。因为存款和年龄还有收入之间的潜在关系非常复杂，所以LPM和CDF方法都不足以总结出任何可信的预测值和符合任何经济理论的可信方案。
尽管模型分析有很多的局限和不足，但计量经济学模型分析的方法是不能被否认的。经济学理论和计量经济学理论的结合依然给出了关于英国整体幸福度决定因素的比较可信的结果。
参考文献
1.Buetell,
N. (2006). Life satisfaction, a sloan work and family
encyclopedia entry. Sloan Work-Family. Encyclopedia.
2.TheGuardian
(2014) Budget 2014: Britons enjoy wellbeing boost as life satisfaction rates
improve at: http://www.theguardian.com/uk-
news/2014/mar/18/uk-wellbeing-life-satisfaction-increase-budget-ons. (Accessed:
18 March 2014)
3.OECE
publishing (2013) How’s life? 2013: Measuring Well-being. Available at:
http://www.keepeek.com/Digital-Asset-Management/oecd/economics/how-
s-life-2013/how-s-life-at-a-glance_how_life-2013-6-en#page4).
4.Della
Giusta, M., Jewell, S. L., &
5.Frey,
B. S., & Stutzer, A. (2002). What can economists learn from happiness
research?. Journal of Economic literature, 402-435.
**
The rich people always have more life satisfaction than the poor at a fixed in
time. (Frey and Stutzer, 2002) Frey, B. and Stutzer, A. (2002). What Can
Economists Learn from Happiness Research?, Journal of Economic Literature
40(2): 402– 435.
Moreover,
as far as we can judge the subjective value of an extra dollar does decrease
with income, but never reaches zero. In fact, the value of a given percentage
increase in income remains roughly the same whatever the income level (Layard
et al., 2008).
Knight,
J., Song, L. and Gunatilaka, R. (2008). Subjective well-being and its
determinants in rural
http://ftp.iza.org/dp4390.pdf
21
6.Sabates,
R., & Hammond, C. (2008). The impact of lifelong learning on happiness and
well-being. FINAL VERSION)
7.De
Ree, J., & Alessie, R. (2011). Life satisfaction and age: Dealing with
underidentification in age-period-cohort models. Social Science &
Medicine, 73(1), 177-182.
8.Joseph
Sirgy, M.(2014) The Psychology of Quality of Life: Hedonic Well- Being, Life
Satisfaction, and Eduaimonia 2ed edn. Springer
9.Deaton,
A. (2007). Income, aging, health and wellbeing around the world: Evidence
from the
10.Lingard,
H., & Francis, V. (2009). Managing work-life balance in construction.
Routledge.
11.Wooldridge,
J. (2012). Introductory econometrics: A modern approach. Cengage
Learning.
12.Gujarati,
D.N. (2009) Basic Econometrics, 5thedn,
McGraw-Hill Companies.
22
13.Hassard,
J., Teoh, K., Cox, T., Dewe, P., Cosmar, M., Grundler, R. Flemming, D.,
Cosemans, B.,(2014)Calculating the
cost of work-related stress and psychosocial risks
14.Mazzocco,
M. (2004). Saving, risk sharing, and preferences for risk. American Economic
Review, 1169-1182.
15.Office
for National statistics (2014) Main comparisons: Population and Migration. Available
at: http://www.ons.gov.uk/ons/guide-
method/compendiums/compendium-of-uk-statistics/population-and-
migration/index.html . (Accessed: 5 June 2014)
